BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Direktorat Jendral Pajak (DJP) merupakan Direktorat Jendral di bawah Kementerian Keuangan Indonesia yang mempunyai tugas merumuskan serta melaksanakan kebijakan dan standarisasi teknis di bidang perpajakan. Salah satu penunjang dalam suksesnya kinerja Direktorat Jenderal Pajak (DJP) pemanfaatan teknologi informasi menjadi teramat penting. Khususnya di bagian Teknologi Informasi Perpajakan (TIP). Beban Direktorat Teknologi Informasi Perpajakan (TIP) memang tak bisa dibilang ringan mengingat tugasnya untuk menyiapkan perumusan kebijakan, standarisasi dan bimbingan teknis, evaluasi dan pelaksanaan dalam bidang pemantauan system dan infrastruktur, pemberian dukungan dan layanan operasional, serta pembinaan pengolahan data dan dokumen. Seluruh unit kerja di Direktorat Jendral Pajak di dukung oleh pelayanan operasional Direktorat Teknologi Informasi Perpajakan (TIP). Mulai dari sistem informasi, aplikasi, dukungan teknis dan jaringan komunikasi data, termasuk bimbingan sistem, pemutakhiran data tampilan, pertukaran data elektronik, hingga pengelolaan intranet. Menurut Direktur Teknologi Informasi Perpajakan, Satiotomo (2011) untuk lebih mengoptimalkan penyediaan data dan informasi terkait wajib pajak, pihaknya menjalin kerja sama dalam bentuk pertukaran data dan informasi dengan sejumlah instansi terkait seperti Bank Indonesia, Badan Koordinasi Penanaman Modal, Lembaga Kebijakan Pengadaan Barang dan Jasa 58
Pemerintah, Badan Pusat Statistik, Ditjen Imigrasi, seluruh Eselon I Kementerian Keuangan (Ditjen Bea dan Cukai, Ditjen Perbendaharaan, Ditjen Keuangan) serta instansi lainnya. Visi dan Misi Direktorat Jendral Pajak 1) Visi Menjadi Institusi Penghimpun Penerimaan Negara yang Terbaik demi Menjamin Kedaulatan dan Kemandirian Negara 2) Misi Menjamin penyelenggaraan negara yang berdaulat dan mandiri dengan: 1) mengumpulkan penerimaan berdasarkan kepatuhan pajak sukarela yang tinggi dan penegakan hukum yang adil; 2) pelayanan berbasis teknologi modern untuk kemudahan pemenuhan kewajiban perpajakan; 3) aparatur pajak yang berintegritas, kompeten dan profesional; dan 4) kompensasi yang kompetitif berbasis sistem manajemen kinerja. Dalam penelitian ini populasi yang diambil adalah karyawan divisi Teknologi Informasi Perpajakan Direktorat Jendral Pajak Berikut ini tabel jumlah karyawan divisi Teknologi Informasi Perpajakan: B. Analisis Deskriptif 1. Karakteristik Profil Responden Karyawan yang dipilih sebagai reponden dalam penelitian ini adalah karyawan yang bekerja di Direktorat Jendral Pajak pada divisi Teknologi Informasi 59
Perpajakan dengan jumlah sampel 55 responden. Untuk mengatahui gambaran umum tentang karakteristik responden dapat diketahui dari seluruh jawaban responden sebagai berikut : a) Jenis kelamin karyawan divisi Teknologi Informasi Perpajakan Hasil perhitungan dari karakteristik jenis kelamin responden terdapat dalam tabel berikut: Tabel 4.1 JENIS KELAMIN Frequency Percent Valid Percent Cumulative Percent Valid Pria 48 87.3 87.3 87.3 Perempuan 7 12.7 12.7 100.0 Total 55 100.0 100.0 Sumber: Hasil kuesioner yang diolah b) Usia karyawan divisi Teknologi Informasi Perpajakan Hasil perhitungan dari karakteristik usia responden terdapat dalam tabel berikut: Tabel 4.2 USIA RESPONDEN Frequency Percent Valid Percent Cumulative Percent Valid <25th 8 14.5 14.5 14.5 26th-30th 8 14.5 14.5 29.1 31th-35th 25 45.5 45.5 74.5 36th-40th 11 20.0 20.0 94.5 >41th 3 5.5 5.5 100.0 Total 55 100.0 100.0 Sumber: Hasil kuesioner yang diolah 60
c) Lama kerja karyawan divisi Teknologi Informasi Perpajakan Hasil perhitungan dari karakteristik lama kerja responden terdapat dalam tabel berikut: Tabel 4.3 Lama kerja Frequency Percent Valid Percent Cumulative Percent Valid 1th-5th 12 21.8 21.8 21.8 >5th-10th 23 41.8 41.8 63.6 >15th-20th 16 29.1 29.1 92.7 >20th 4 7.3 7.3 100.0 Total 55 100.0 100.0 Sumber: Hasil kuesioner yang diolah d) Pendidikan karyawan divisi Teknologi Informasi Perpajakan Hasil perhitungan dari karakteristik pendidikan responden terdapat dalam tabel berikut: Tabel 4.4 PENDIDIKAN Frequency Percent Valid Percent Cumulative Percent Valid Diploma 20 36.4 36.4 36.4 S1 27 49.1 49.1 85.5 S2 8 14.5 14.5 100.0 Total 55 100.0 100.0 Sumber: Hasil kuesioner yang diolah 61
e) Jabatan karyawan divisi Teknologi Informasi Perpajakan Hasil perhitungan dari karakteristik jabatan responden terdapat dalam tabel berikut: Tabel 4.5 JABATAN Cumulative Frequency Percent Valid Percent Percent Valid STAFF PELAKSANA 54 98.2 98.2 98.2 KEPALA SUB DIREKTORAT 1 1.8 1.8 100.0 Total 55 100.0 100.0 Sumber: Hasil kuesioner yang diolah 2. Analisis Deskriptif Variabel a) Tanggapan responden mengenai kinerja karyawan pada divisi Teknologi Informasi Perpajakan. 62
No Indikator Sumber: Hasil kuesioner Tabel 4.6 KINERJA KARYAWAN Kategori Jawaban Dapat di lihat dari tabel 4.6 persepsi tentang kinerja karyawan pada pertanyaan mampu bekerja dengan kesadaran penuh dan dapat di percaya, jawaban responden lebih kecil pada pilihan sangat setuju. Karena rata-rata responden menjawab setuju, sehingga perlu pelatihan rutin untuk meningkatkan kinerja karyawan. Rata-Rata 1 2 3 4 5 1 Bekerja sesuai dengan standar yang telah ditentukan 1-3 24 27 4.38 2 Tingkat pencapaian kerja yang di hasilkan telah sesuai dengan harapkan organisasi - 2 10 29 14 4.00 3 Bekerja sesuai dengan ketrampilan yang dimiliki - 3 10 31 11 3.91 4 Memiliki gagasan yang baru - 2 5 31 17 4.15 5 Dapat bekerja dengan baik dalam team - 2 4 36 13 4.09 6 Mampu bekerja dengan kesadaran penuh dan dapat dipercaya - 4 14 29 8 3.75 7 Selalu bersemangat dalam melakukan pekerjaan yang bersifat baru dan mempunyai tanggung jawab yang tinggi 1 1 2 36 15 4.15 8 Mempunyai kepribadian yang santun 1 1 1 35 17 4.20 9 Bersikap ramah dan sopan terhadap orang lain - 2 6 33 14 4.07 63
b) Tanggapan responden mengenai disiplin kerja pada divisi Teknologi Informasi Perpajakan. Tabel 4.7 DISIPLIN KERJA No Indikator Kategori Jawaban Rata-Rata 1 2 3 4 5 1 Mengenakan pakaiaan yang sopan sesuai dengan peraturan organisasi - 2 3 36 14 4.13 2 Ikut andil memberikan kontribusidalam setiap kegiatan 1 6 12 32 13 3.89 3 Menyelesaikan pekerjaan sesuai dengan tanggung jawab yang di berikan - 3 16 25 11 3.80 4 Saya lebih teliti dalam bekerja - 3 12 30 10 3.85 5 Datang tepat waktu dalam bekerja - 5 7 23 11 3.75 Sumber: Hasil kuesioner Dapat di lihat dari tabel 4.7 persepsi tentang disiplin kerja pada ketepatan waktu datang dalam bekerja jawaban responden lebih kecil pada pilihan sangat setuju dan lebih besar menjawab setuju sehingga tingkat disiplin kerja masih kurang baik yang dapat menghambat tercapainya tujuan organisasi, pelunya tindakan tegas bagi yang melanggar peraturan yang sudah menjadi standart perusahaan. 64
c) Tanggapan responden mengenai motivasi pada divisi Teknologi Informasi Perpajakan. Tabel 4.8 MOTIVASI Kategori Jawaban No Indikator 1 Saya senantiasa mentaati aturan yang telah dibuat dalam suatu organisasi 2 Jarak dan tempat tinggal tidak mempengaruhi ketepatan waktu kerja saya 3 Saya memiliki hubungan baik dengan semua pegawai lain 4 Saya ingin mendapat penghargaan atas pekerjaan yang saya kerjakan Saya mengikuti 5 pelatihan dan pendidikan yang diselenggaakan dalam suatu organisasi Sumber: Hasil kuesioner Rata-Rata 1 2 3 4 5-3 7 33 12 3.98-2 10 28 15 4.02 1 3 14 27 10 3.76-3 5 29 18 4.13-2 7 28 18 4.13 65
Dapat di lihat dari tabel 4.8 persepsi tentang motivasi pada pertanyaan memiliki hubungan baik dengan semua pegawai lain jawaban responden lebih kecil pada pilihan sangat setuju dan lebih besar menjawab setuju. Motivasi yang diterapkan dalam lingkungan kerja di katakkan baik, apabila karyawan yang satu dengan yang lain dapat menjalin kebersamaan dalam lingkungan kerja maupun diluar lingkungan kerja. C. Metode Analisis Data Metode Analisis Data : Component Based Structural Equation Modeling Component / variance Based Structural Equation Modeling merupakan alternatif dari covariance based SEM, SEM yang berbasis component atau variance ini dikenal dengan Partial Least Square (PLS). Metode ini dimaksudkan untuk causal-predictive analysis dalam situasi kompleksitas yang tinggi dan dukungan teori yang rendah. PLS memiliki tujuan untuk mencari hubungan linear prediktif antar variabel (component based predictive model) (Ghozali, 2014). Langkah-langkah pengujian yang dilakukan demi terpenuhinya asumsi-asumsi variance based SEM merupakan tuntunan untuk permodelan variance based SEM baik pada proses pengumpulan datanya maupun proses pengolahan data yang menggunakan SmartPLS 3. 66
Gambar 4.1 Hasil Algoritma PLS Sumber : Output PLS D. Evaluasi Measurement Model (outer model) a) Convergent Validity Pengujian Convergent Validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan korelasi antara item score/component score dengan construct score yang dihitung dengan PLS. Indikator individu dianggap valid jika memiliki nilai korelasi di atas 0,70. Namun demikian pada riset tahap pengembangan skala, loading factor 0,50 sampai 0,60 masih dapat diterima. Dengan melihat hasil output korelasi antara indikator dengan konstruknya seperti terlihat pada tabel dan gambar struktural di bawah ini: 67
Tabel 4.9 Hasil pengujian Convergent Validity Indikator Outer Loading Keterangan K1 0.636 Valid K2 0.795 Valid K3 0.622 Valid K4 0.859 Valid K5 0.850 Valid K6 0.514 Valid K7 0.873 Valid K8 0.848 Valid K9 0.769 Valid D1 0.783 Valid D2 0.764 Valid D3 0.814 Valid D4 0.840 Valid D5 0.754 Valid M1 0.864 Valid M2 0.863 Valid M3 0.662 Valid M4 0.871 Valid M5 0.922 Valid Sumber : output PLSD 68
Hasil dari pengujian convergent validity pada gambar 4.9 dapat dilihat bahwa semua indikator telah memenuhi convergent validity, karena memiliki nilai factor loading diatas 0,50 maka data tersebut dapat dianggap valid. b) Discriminant Validity Pengujian discriminant validity, indikator reflektif dapat dilihat pada crossloading antara indikator dengan konstruknya. Suatu indikator dinyatakan valid jika mempunyai loading factor tertinggi kepada konstruk yang dituju dibandingkan loading factor kepada konstruk lain. Dengan demikian, konstruklaten memprediksi indikator pada blok mereka lebih baik dibandingkan dengan indikator di blok yang lain. Tabel 5.1 Hasil pengujian Discriminant Validity Variabel Disiplin Kinerja Motivasi Kerja Karyawan D1 0.783 0.783 0.800 D2 0.764 0.622 0.423 D3 0.814 0.640 0.593 D4 0.840 0.691 0.716 D5 0.754 0.632 0.502 K1 0.505 0.636 0.466 K2 0.662 0.795 0.618 69
K3 0.529 0.622 0.506 K4 0.736 0.859 0.751 K5 0.720 0.850 0.723 K6 0.388 0.514 0.452 K7 0.748 0.873 0.720 K8 0.745 0.848 0.708 K9 0.729 0.769 0.709 M1 0.783 0.732 0.864 M2 0.682 0.696 0.863 M3 0.437 0.523 0.662 M4 0.631 0.766 0.871 M5 0.712 0.778 0.922 Sumber : output PLSD Dari table terlihat bahwa korelasi konstruk/variabel K dengan indikatornya lebih tinggi dibanding korelasi indikator K dengan konstruk/variabel lainnya, selanjutnya korelasi konstruk/variabel D dengan indikatornya membuktikan bahwa indikatornya lebih tinggi dibanding korelasi indikator D dengan konstruk lainnya, kemudian korelasi konstruk/variable dengan indikatornya lebih tinggi dibanding korelasi indikator M dengan konstruk/variabel lainnya, Dari pernyataan tersebut maka variable tersebut di atas dapat dikatakan memiliki nilai discriminant validity / tingkat validitas yang baik. 70
c) Composite Reliability dan Cornbachs Alpha Pengujian composite reliability dan cornbachs alpha bertujuan untuk menguji reliabilitas instrumen dalam suatu model penelitian. Atau mengukur internal consistency dan nilainya harus di atas 0,60. Apabila seluruh nilai variabel laten memiliki nilai composite reliability maupun cronbach alpha 0,7 hal itu berarti konstruk memiliki reabilitas yang baik atau kuisioner yang digunakan sebagai alat dalam penelitian ini telah handal atau konsisten. Gambar 4.2 Grafik Pengujian Composite Reliability Table 5.2 Hasil Pengujian Composite Reliability Variabel Composite Reliability Keterangan Disiplin Kerja 0,893 Reliabel Kinerja Karyawan 0,924 Reliabel Motivasi 0,923 Reliabel Sumber : output PLS 71
Gambar 4.3 Grafik Pengujian Average Variance Extracted (AVE) Tabel 5.3 Hasil Pengujian Average variance extracted Variabel Average variance extrcted Disiplin 0.627 Kinerja 0.580 Motivasi 0.708 Uji lainnya adalah menilai validitas dari konstruk dengan melihat nilai AVE, dipersyaratkan model yang baik kalau AVE masing-masing konstruk nilainya lebih besar dari 0,50. Hasil output AVE baik untuk konstruk Rutinitas maupun konstruk Otonomi memiliki nilai AVE lebih besar daripada 0,50. 72
Sumber : Output PLS Gambar 4.4 Grafik Pengujian Cornbachs Alpha Table 5.4 Hasil Pengujian Cornbachs Alpha Variabel Cornbachs Alpha Keterangan Disiplin Kerja 0.851 Reliabel Kinerja Karyawan 0.905 Reliabel Motivasi 0.894 Reliabel Sumber : output PLS Berdasarkan tabel 5.4 bahwa hasil pengujian composite reliability maupun hasil pengujian cornbach alpha menunjukan nilai yang memuaskan, sebab seluruh nilai variabel lain memiliki nilai composite reliability 0,7 menurut Ghozali (2014). E. Pengujian Model Struktural/Uji Hipotesis (Inner Model) Pengujian inner model adalah pengembangan model berbasis konsep dan teori dalam rangka menganalisis hubungan antara variabel eksogen dan endogen telah dijabarkan dalam rerangka konseptual. Tahapan pengujian terhadap model struktural (inner model) dilakukan dengan langkah-langkah berikut ini : 73
a) Nilai R-square Melihat nilai R-square yang merupakan uji goodness-fit model. Table 5.5 Nilai R 2 Variabel endogen Variabel Endogen R-Square Kinerja 0.808 Sumber : Output PLS Model struktural mengindikasikan bahwa model pada variabel Kinerja kuat sebab memiliki nilai di atas 0,33. Model pengaruh variabel laten independen (Motivasi dan Disiplin Kerja) terhadap Kinerja memberikan nilai R-square sebesar 0.808 yang dapat diinterprestasikan bahwa variabilitas konstruk Kinerja yang dapat dijelaskan oleh variabilitas konstruk Motivasi dan Disiplin kerja sebesar 80,8% sedangkan 19,2% dijelaskan oleh variabel lain diluar yang diteliti. b) Hasil Pengujian Hipotesis (Estimasi Koefisien Jalur) Nilai estimasi untuk hubungan jalur dalam model struktural harus signifikan. Nilai signifikansi ini dapat diperoleh dengan prosedur boostrapping. Melihat signifikansi pada hipotesis dengan melihat nilai koefisien parameter dan nilai signifikansi T- statistik pada algorithm boostrapping report. Untuk mengetahui signifikan atau tidak signifikan dilihat dari T-table pada alpha 0,05 (5%) = 1.96, kemudian T-table dibandingkan oleh T-hitung (T-statistik). Atau juga dapat membandingkan nilai P- 74
value dengan alpha 0.05, apabila P-value lebih kecil dari alpha (0.05) maka hipotesis diterima. H1 Disiplin Kerja Kinerja Karyawan H2 Motivasi Kinerja Karyawan Sumber : output PLS F. Pembahasan Hasil Penelitian Table 5.6 Hasil Pengujian Hipotesis Original Sample T Statistics P Values Keterangan 0,519 4,059 0,000 Positif dan Signifikan 0,434 3,291 0,001 Positif dan Signifikan Berdasarkan hasil pengujian dari ke dua hipotesis diatas, ternyata semua hipotesis bersifat positif dan signifikan. Hal ini dapat dilihat dalam pembahasan dibawah ini. a) Pengaruh Disiplin Kerja Terhadap Kinerja Karyawan Dalam penelitian ini di temukan bahwa disiplin kerja berpengaruh positif dan signifikan. Hasil penelitian ini mendukung penelitian sebelumnya yang dilakukan oleh Mangkunegara dan Waris, (2015) menunjukkan bahwa kedisiplinan berpengaruh secara positif dan signifikan terhadap kinerja karyawan. Hasil penelitian lain yang di lakukan Sari (2014) tak mendukung penelitian ini karna menemukan bahwa disiplin kerja tidak berpengaruh signifikan terhadap kinerja karyawan. Hal ini mengindikasikan bahwa disiplin kerja pada divisi Teknologi Informasi Perpajakan seperti mengenakan pakaiaan yang sopan sesuai dengan peraturan dapat di 75
lihat dari jawaban responden sangat setuju lebih besar, sehingga sebagian karyawan sudah merasa disiplin dalam menjalankan peraturan yang sudah di buat organisasi. b) Pengaruh Motivasi Terhadap Kinerja Karyawan Dalam penelitian ini di temukan bahwa motivasi berpengaruh positif dan signifikan. Hasil penelitian ini mendukung penelitian yang dilakukan oleh Rivai dan Sagala (2010) menunjukkan bahwa hubungan motivasi berpengaruh positif dan signifikan terhadap kinerja Karyawan. Hal ini didukung dengan penelitian Subroto dan Ganistiyo (2007) mereka berpendapat bahwa motivasi yang tinggi memiliki dampak yang positif dan signifikan terhadap kinerja karyawan. Hasil penelitian lain yang dilakukan oleh Trisianawati dan Ingsih (2006) tak mendukung penelitian ini karna menemukan bahwa motivasi tidak berpengaruh signifikan terhadap kinerja karyawan. Hal ini mengindikasikan bahwa motivasi pada divisi Teknologi Informasi Perpajakan dengan mengikuti pelatihan dan pendidikan yang di selenggarakan dalam organisasi, untuk tercapainya tujuan karyawan agar dapat penghargaan atas pekerjaan yang telah di kerjakan. Jawaban setuju dari responden lebih besar, sehingga sebagian karyawan sudah meras melakukan pekerjaan dengan optimal. Dan di dukung dengan tingkat kinerja karyawan pada divisi Teknologi Informasi Perpajakan pada tingkat pencapaian kerja yang di hasilkan telah sesuai dengan harapkan organisasi, sehingga sebagian karyawan merasa sudah melakukan pekaerjaan dengan baik. 76